精確率
精確率（precision）是指模型**為真，實際也為真的樣本數量佔模型**所有為真的樣本數量的比例。
舉例來說明，比如警察要抓小偷，抓了 10 個人，其中有 6 個人是小偷，那麼精確率就是 6/10 = 0.6。
召回率
召回率（recall）有時候也叫查全率，是指模型**為真，實際也為真的樣本數量佔實際所有為真的樣本數量的比例。
舉例來說明，還是上面的警察抓小偷的例子，抓了 10 個人，其中 6 個人是小偷，還有另外 3 個小偷逃之夭夭，那麼召回率就是 6 / ( 6 + 3) ≈ 0.67。
f1值/fα值
一般來說，精確率和召回率是互斥的，也就是說精確率高的話，召回率會變低；召回率高的話，精確率會變低。所以設計了乙個同時考慮精確率和召回率的指標 f1值。f1值是精確率和召回率的調和平均，即
在某些場景下，我們對精確率與召回率的關注程度不一樣，這時候，f1值更一般的形式fα值就能夠滿足。fα值定義如下
其中，α 的大小表示召回率對精確率的相對重要程度。
很多時候我們遇到的是多分類問題，這就意味著每兩兩類別的組合都對應乙個二元的混淆矩陣。假設得到了 n 個二分類的混淆矩陣，那如何來平均這 n 個結果呢？
巨集平均第一種辦法就是先在各個混淆矩陣中分別計算出結果，再計算平均值，這種方式稱為「巨集平均」。
微平均除了上面的巨集平均之外，我們也可以將二元混淆矩陣的對應的元素進行平均，得到 tp、tn、fp、fn 的平均值，然後再根據這些平均值來計算，這種方式稱為「微平均」。
在認識機器學習演算法的常用評估指標之前，先明確一下幾個概念的定義：
tp(true positive)：實際正樣本，**為正樣本
fp(false positive)：實際負樣本，**為正樣本
tn(true negative)：實際負樣本，**為負樣本
fn(false negative)：實際正樣本，**為負樣本
上述四個概念的混淆矩陣：
可以發現，tpr和recall的計算公式是一樣的。那麼如何繪製roc曲線呢？可以看到，roc曲線是由一系列 (fpr, tpr)點構成的，但乙個特定的模型，只得到乙個分類結果，即只有一組 (fpr, tpr)，對應roc曲線上的乙個點，如何得到多個呢？
我們將模型對所有樣本的**值（屬於正類的概率值）降序排列，然後依次將**的概率值作為閾值，每次得到該閾值下模型**結果為正類、負類的樣本數，然後生成一組 (fpr, tpr) 值，這樣就可以得到roc曲線上的一點，最後將所有的點連線起來就出現了roc曲線。很明顯，閾值設定的次數越多，就會生成更多的 (fpr, tpr) 值，畫出的roc曲線也就越光滑。也就是說 roc曲線的光滑程度與閾值設定次數的多少有絕對的關係，與樣本數量沒有必然聯絡。現實中，我們畫出的 roc 曲線多數都是不光滑的。
阿里四面（HR）
1.hr說說專案中你擔任的角色？答 從專案中自己擔任的角色完成的功能，在專案中如何和夥伴進行團隊協作，和自己在專案中有著什麼樣的成長進行回答 2.hr問，如何去處理團隊之間的任務問題？答 從如何進行任務分配，如何處理任務出現問題的場景，如何團結團隊進行回答 3.hr問，你在專案中遇到什麼問題，如果現...
微軟的四面楚歌
微軟在軟體和硬體方面的產品線之齊全，估計讓所有對手又恨又愛，正因為其不太專注，也給也其它產品更多的生存空間。下面是來自國外 繪的一張圖，名叫software wars 軟體戰爭 眾矢之的當然是microsoft。先看圖說話一下，了解的朋友可跳過該篇長舌文字，直接看後面的結論即可。另外，微軟現在已進入...
吹毛求疵 聆聽iPhone的「四」面絀歌
對於iphone的溢美之詞在各路 已經不計其數，所以我和那個老哥的主要話題就轉到了這個被冠以多 gps 手機的變革之物，究竟有何不足？他購買了iphone，在美國試用後，應該有了一定的發言權。1 不適合商務人士使用 iphone至少在現在沒有像blackberry windows mobile pa...